Dépenses au titre de la recherche et développement énergétique industrielle, selon le secteur de technologie, le groupe d'industries fondé sur le Système de classification des industries de l'Amérique du Nord (SCIAN) et le pays de contrôle
Notice bibliographique
Résumé
Ce tableau contient 94976 séries, avec des données pour les années 2014 - 2015 (il n'y a pas nécessairement de données pour toutes les années pour l'ensemble des combinaisons). Ce tableau contient des données telles que décrites par les dimensions suivantes (Les combinaisons ne sont pas toutes disponibles) : Géographie (1 élément : Canada) Système de classification des industries de l'Amérique du Nord (SCIAN) (75 éléments : Total, toutes les industries; Agriculture, foresterie, pêche et chasse; Agriculture (sauf l'aquaculture) et activités de soutien aux cultures agricoles et à l'élevage; Foresterie, exploitation forestière et activités de soutien à la foresterie; ...) Pays de contrôle (3 éléments : Total, pays de contrôle; Canada; Étrangers) Technologie énergétique (53 éléments : Total, technologies énergétiques; Combustibles fossiles; Exploration pétrolière et gazière; Production et stockage de pétrole brut et de gaz naturel; ...) Dépenses de recherche et développement liées à l'énergie (8 éléments : Total des dépenses en recherche et développement intra-muros liées à l'énergie; Financement par des entreprises d'exécution de recherche et développement (Canada); Financement par le gouvernement fédéral, des gouvernements provinciaux ou territoriaux; Financement par toutes les autres sources canadiennes; ...).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».